反渗透技术是利用压力差为动力的膜分离过滤技术，即在一定的压力下，水分子可以通过反渗透膜，而源于水中的无机盐、重金属离子、有机物、胶体、细菌、病毒等杂质无法通过反渗透膜，从而使可以透过的纯水和无法透过的浓缩水严格区分开来。反渗透是当今世界上最先进和最节能有效的膜分离技术。它主要利用半渗透膜的渗透原理，通过一定的方式给它施加一种压力，反于自然渗透方向的力，使浓溶液中的水向稀溶液中渗透，这种方式称为反渗透。由反渗透元件组成的装置为反渗透装置。由于反渗透膜的膜孔径非常小因此能够有效的去除水中的溶解盐类、胶体、微生物、有机物等（去除率达到97%~98%）。系统具有水质好、耗能低、无污染、工艺简单、操作简单等特点。 反渗透设备适用于食品、饮料、化工、医院、电子等行业的水处理设备，也可作为社区、工业区、油田等的净水屋的核心设备。 产品特点： 1、连续运行，产品水水质稳定 2、无须用酸碱再生 3、不会因再生而停机 4、节省了反冲和清洗用水 5、以高产率产生超纯水（产率可以高达95%） 6、无再生污水，不须污水处理设施 7、无须酸碱储备和酸碱稀释运送设施 8、减小车间建筑面积 9、使用安全可靠，避免工人接触酸碱 10、减低运行及维修成本 11、安装简单、安装费用低廉

实验室废气排放特点及处理难点： ● 风量大，浓度低。 ● 种类多，成分复杂，难以分类搜集。 ● 间歇性，无规律排放，难以统计溶剂年使用量。 ● 科研的未知性，科研项目的开放性，实验试剂的变化性。 高校实验室废气处理难点： ● 被动式处理，限于环保要求，盲目上各类低效单一型处理装置，无法满足后期环境监测标准。 ● 实验室楼先天设计缺陷多，没有足够空间，或者楼顶层承重局限，无法安装大型重型的尾气处理装置。 ● 没有专人专岗维护，疏于耗材更换和设备运维，导致已安装的尾气处理装置失去效用，却又因为尾气装置的阻力影响实验室送排风的风量。 智能组合式废气处理装置专门为实验室研发设计，适用于风量大、浓度低、成分复杂的废气处理。采用干湿组合式处理方式，针对性强，处理效果显著，确保达标排放，并且可以智能监测数据，主动高效运维，节省安装空间。 埃松智能组合式废气处理装置的特点： 组合处理废气，智能监测数据，主动高效运维，节省安装空间。 组合处理装置技术及优势：采用干式+湿式组合式处理方式，专业处理实验室复合型尾气，针对性强，处理效果显著，确保达标排放； ● 干式处理段 1、干式处理段采用高碘值活性炭对污染物进行吸附处理，吸附容量和吸附速率更高，最大程度延长活性炭使用寿命及更换周期； 2、采用模块化活性炭碳盒设计，方便活性炭更换及去除活化。 ● 湿式处理段 1、湿式处理段通过两级专业配制的吸收液吸收：无机废气吸收液吸收HCI、HNO3、 H2S等无机污染物+有机废气吸收液吸收有机污染物，可同时处理无机污染物和有机污染物，辅以智能加药和智能排污系统，节省运行维护成本； 2、充分考虑实验室采用变风量排风系统的特点，采用变频泵浦设计，根据排风风量，喷淋水泵智能变频控制，节能减排； 3、选用低风阻、高强度填料，两级除雾器设计，确保系统高效运行。 ■ 可根据具体实验单元及实验楼尾气排放种类针对性地配置不同的废气吸收液； ■ 设备尺寸及重量可根据定制设计，满足排放标准的同时，满足实际安放空间； ■ 整个废气处理过程安全、环保、稳定且无剧烈的能量转换； ■ 在线管道静压检测，实现对排风机的智能变频控制，具有正常、节能、紧急三种运行模式，同时可与实验室房间控制器进行通讯，实现智能连锁（工作状态与模式）； ■ 标配Modbus开放式通讯协议（5G通讯模块），便捷接入BMS系统和智能物联网； ■ 实时在线监测，保证处理达标，必要的情况下可以与生态环境主管部门的监控设备联网，保证监测设备正常运行并依法公开排放信息。 智能组合式废气处理装置均配备埃松自主开发的智慧管理系统，并采用7寸全触摸液晶显示屏进行就地管理，将废气处理装置的运行参数更加直观的展示出来，方便管理人员运行维护，保证系统运行安全可靠。 7寸全触摸液晶显示屏，实时显示： · 各分级处理段、排风机运行状态及压差； · PH、TVOC、盐度； · 温度（室外及喷淋液温度）、湿度； · 处理风量、空塔气速、排放风速； · 喷淋泵浦运行频率、运行状态； · 管道静压、排风机运行频率、运行状态； · 各功能段及设施运行状态。 项目案例

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

本思政案例值巴黎奥运会火热举办之际，以奥运会数据为载体，引导学生运用Python的Pandas库进行数据清洗、筛选与聚合分析，并通过Plotly工具实现数据可视化。案例巧妙融合数据分析技能培养与思政教育，通过剖析我国奥运奖牌数据变化，让学生直观感受国家体育事业的蓬勃发展，深切领悟体育强国战略背后蕴含的国家意志与民族精神。同时，鼓励学生从数据中探寻体育精神内核，内化于心、践之于行，涵养积极人生态度与爱国情怀。此外，案例数据可视化呈现国际竞技格局，助学生理解多元包容、拓宽国际化视野，增强民族自豪感与文化自信，实现知识传授与价值引领的有机统一。

针对再生水中氮、磷、有害病菌难以同步去除问题，以天然沸石为载体，对其进行盐-热复合改性，负载镧氧化物，再载入无机抗菌离子，赋予沸石同步脱氮除磷抗菌功能，为再生水处理提供重要技术支撑。氨氮初始浓度为 8mg/L、总磷浓度为 1mg/L、大肠杆菌浓度为 104cfu/L，复合水处理材料投加量为 2g/L，搅拌 3h 后，其脱氮率达到 99.2％，总磷和大肠杆菌均未能检出，吸附饱和材料可多次进行再生利用。

本发明是一种活性污泥与生物膜协同作用的污水处理设备，适用于处理石化工业废水，以及低浓度和高浓度的生产或生活污废水。处理工艺的处理效果稳定，运行可靠，出水水质可以达到国家排放标准的一级标准；产生的污泥具有较好的沉降性能，易于处理；与其它处理设备或构筑物相比较，工艺流程短，污泥回流量减少40％～ 80％，运行费用降低18％～31％。通过处理设备的内外成结合达到多种处理工艺的组合，运行方式灵活，节省工程的投资，减少占地面积。

疫情防控，快速识别出潜在的感染者是关键。近日，西安交大管理学院刘跃文副教授研发出新冠肺炎感染风险的大数据评估模型，可基于旅行大数据，综合计算新冠肺炎感染风险指数和级别。该模型在云南省全面推广应用，大幅度提升了防控一线现场核查工作的效率，在一定程度上控制了疫情传播风险，得到了云南省委、省政府领导的高度认可。 当前，在阻断新型冠状病毒传播的工作中，存在三个盲区也是关键点，严重影响着疫情防治的效果，即：一是很难知道某个人是否在公共交通工具及场所中与已确诊人员或疫源地人员接触过；二是个别人员近期到过疫源地或接触过确诊人员，但是毫不在意，不汇报也不主动自我隔离；三是个别人员甚至刻意隐瞒自己曾到过疫源地或接触过确诊人员的历史。为此，上述三种类型人员给疫情防治工作带来了巨大的挑战，使其无法开展有效核查，也无法有效规避风险。据刘跃文介绍，2月4日，新型冠状病毒感染风险的大数据评估模型及系统在云南省正式上线应用，基于个人的旅行数据，自动分析其是否到过疫源地、是否与疫源地人员接触、是否与已感染病例接触等多项指标，利用贝叶斯方法，计算其感染新冠病毒的可能性指数，并预警高风险人员。

研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐； 平台技术： 微服务的构建方式，微服务、前后端完全分离。 分布式开发框架——SpringCloud Web开发框架——SpringBoot 、VUE（ELE） 机器学习算法框架——R、Spark集群计算 数据存储工具——Mysql、JPA、Hadoop（集群） 中间件: RabbitMQ

目前，有许多基于区块链技术的骗局存在。为了给投资者在区块链技术投资时提供风险提示，inpluslab通过搜集各种骗局信息，利用区块链中记录的公开交易记录，使用机器学习和数据挖掘技术构建了基于区块链的骗局预警模型。

南开深海大数据智能分析平台，是面向公共安全、电子政务、医 疗卫生、金融保险等行业领域的大数据智能分析平台。在处理多源异 构大数据问题上，平台具有先进的信息融合与深度分析技术，其中包 括异质多源行业领域大数据的融合处理、异构行业领域大数据的存储 管理、面向行业领域大数据的深度分析等关键共性技术；此外，平台 为行业领域大数据的智能分析提供支持，有效辅助管理部门感知、响 应、追踪与处理各类事件。已申请相关软件著作权两项:《南开深海行 业领域大数据智能辅助决策平台》、《大数据多任务调度计算平台》。以及相关专利一项：《一种多源异构行业领域大数据处理全链路解决 方案》。 项目特色：  平台提供了多源异构行业领域大数据处理的全链路解决方案， 覆盖了数据的全部生命周期，包括数据抽取、数据转换、数据 加载、数据挖掘、数据存储、数据可视化等步骤。  平台提供了高性能的多源异构行业领域大数据的清洗集成方 法以及特有的三层存储模型，实现了对行业领域信息的实时清 洗、高度融合以及高效存储管理。  平台提供了适用于海量异构行业领域大数据的多层次多维度 数据分析与知识发现方法，此外平台还支持自定义方法，具有 很强的扩展性。  平台提供了集群管理及多任务调度管理的功能，适用于不同级 别的用户群体的使用需求。